Versicherungen

Services für die Identifikation und die Betrugsbekämpfung

Auf dem Versicherungsmarkt gibt es eine Vielzahl an Problemen, mit denen Versicherer konfrontiert werden. Dazu gehören die Zunahme von Betrug in allen Phasen des Versicherungslebenszyklus, die Kostenrationalisierung und der Zugriff auf objektive Instrumente, mit denen Versicherer interne Ziele festlegen können. Auch das Konzept des Informationsaustauschs zur Betrugsbekämpfung und zur Senkung der Betriebskosten der Versicherer gewinnt zunehmend an Bedeutung.

CRIF stellt Lösungen für eine genauere Identitätsfeststellung und das Management der Betrugsbekämpfung in den wichtigsten Phasen des Prozesses - einschließlich der Angebotslegung, des Underwriting, der Schadensregulierung und der Betrugsermittlung - bereit, um Versicherungsunternehmen dabei zu unterstützen, ihre Gewinne zu steigern, ihre Kenntnisse über die Kunden zu verbessern und die Risikobewertung effizient zu verwalten.

Insurance Bureau Service

Die von CRIF für die Versicherungsbranche entwickelten Lösungen ermöglichen die Bewertung der Historie in Bezug auf KFZ-Versicherungen, Haushaltsversicherungen, Unfallversicherungen, Gesundheitsversicherungen, Transportversicherungen, Reise- und Haustierversicherungen. Die Dienstleistungen des Insurance Bureaus werden kontinuierlich verbessert, um die hohen Anforderungen der Versicherer hinsichtlich vorgeschalteter Prozesse der Betrugsprävention und Risikobewertung zu erfüllen. Darüber hinaus unterstützen sie Versicherungsunternehmen effektiv während des gesamten Kundenlebenszyklus, von der Ausstellung der Versicherungspolizze bis zum Schadensfall. Dank einer technologisch fortschrittlichen Plattform, die in der Lage ist, die für das Angebotsscreening erforderliche Mengennachfrage zu erfüllen, wird eine hohe Leistung mit unterstützenden Service Levels garantiert. Versicherer können flexibel Teilmengen von Datendiensten und Informationen auswählen, die zum Aufbau spezifischer Risiko- und Betrugspräventionsmodelle erforderlich sind, wodurch der Versicherer die vollständige Kontrolle hat.

Die Services des Insurance Bureaus können auch in Kombination mit Kredit- und Zahlungstransaktionsdaten arbeiten, da eine strikte Korrelation zwischen schlechtem Zahlungsverhalten und der Häufigkeit von Schadensmeldungen nachgewiesen wurde.

Versicherungsunternehmen können entscheiden, ob sie lediglich Schadensfälle oder Schadensfälle und Zahlungstransaktionsdaten, bezogen auf ihre Kunden bereitstellen. Die Datenabfrage und der Abrechnungsverband, dem sogenannten ring-fencing werden durch Gegenseitigkeitsregeln gewährleistet.

HAUPTVORTEILE

  • Möglichkeit der Steigerung der Prämieneinnahmen und der Rentabilität durch Berechnung der Prämienraten unter Berücksichtigung des tatsächlichen Risikos.
  • Qualitative Verbesserung des Geschäftsportfolios und Risikominimierung durch genaue Risikoermittlung.
  • Reduzierung des manuellen Aufwands und der Kosten im Zusammenhang mit der Bestätigung in der Underwriting-Phase, ob eine Person ihre Schadenshistorie lückenlos offengelegt hat und von einem Schadensfreiheitsrabatt profitieren kann.
  • Reduzierung der Schadensaufwendungen und schnellere Abwicklung durch effizientere Bearbeitung von Schadensfällen.
  • Kontrolle der Gesamtkosten durch Erkennung zahlreicher und potentiell betrügerischer Versicherungsansprüche.

Sherlock

Sherlock ist ein Produkt zur Betrugsprävention, das Versicherungsunternehmen ermöglicht, die Phasen der  Identifikation und Betrugsprävention schneller und effizienter zu verwalten.

In mehreren Sprachen und für mehrere Bereiche (es unterstützt KFZ-Versicherungen, Haushaltsversicherungen, Unfallversicherungen, Gesundheitsversicherungen, Transportversicherungen, Reise- und Haustierversicherungen) kann Sherlock jede Informationsquelle innerhalb und außerhalb des Versicherungsunternehmens einbinden und die Ergebnisse mit innovativen Tools für maschinelles Lernen und die Analyse auswerten. Eine einzigartige und intuitive Benutzeroberfläche ermöglicht die schnelle Klassifizierung von Versicherungsansprüchen und Versicherungspolizzen auf der Grundlage des tatsächlichen Betrugsrisikos, die Überprüfung der persönlichen Identität, die Meldung von Anomalien und die Durchführung von „Customer Intelligence“-Tätigkeiten.

Mit Tools, die Benutzern die Konfiguration eigener Expertenregeln und mehrdimensionaler Funktionen der Erkennung von Anomalien gestatten, ist es nun möglich nicht mehr auf den Merkmalen eines einzelnen Schadensfalls und einer begrenzten Anzahl von Variablen zurückzugreifen. Sondern man kann auf die Analyse einer Kombination von mehreren Variablen übergehen, die andernfalls nur schwer manuell zu analysieren sind und herkömmliche Algorithmen verwenden. Daher ermöglicht Sherlock die Erkennung potentiell unbekannter oder zuvor nicht erkannter Betrugsszenarien und die eingehendere Untersuchung von Einzelfällen durch zusätzliche Prüfungen zu verwandten Personen, Dritten und bekannten Adressen über die grafische Darstellung der Netzwerkanalyse  mit den ermittelten Verknüpfungen. Durch einen einfachen und zugleich umfassenden Bericht ist die schnelle Erkennung aller Anomalien und Risikobereiche, die weitere Untersuchungen erfordern, sowie - dank der Rückverfolgbarkeit aller zu den einzelnen untersuchten Subjekten durchgeführten Aktivitäten - die Analyse der durchgeführten Recherchen möglich.

Schließlich können die Benutzer interaktive Recherchen in Echtzeit durchführen und auf einem einzigen Bildschirm die aggregierten Ergebnisse aller Verknüpfungen anzeigen, die aus einer Vielzahl von Variablen in Bezug auf Personen, Firmen, Adressen, Fahrzeuge, E-Mail-Adressen, Telefonnummern usw. generiert werden und über mehrere verschiedene Schadensfälle hinweg wichtig sein könnten.

Elixir

Elixir wird von großen Lebensversicherungsunternehmen zum Screening, Reporting und zur Benachrichtigung der Benutzer über die finanzielle Lage von Brokern und unabhängigen Finanzberatern (Independent Financial Advisors, IFAs) eingesetzt. Die Mitglieder von Elixir liefern über eine webbasierte Anwendung Informationen zu Schulden, Klagen, Rechtsstreitigkeiten, Tilgungsplänen und abgeschriebenen Beträgen. Das System hilft Versicherungsunternehmen dabei, den gesamten Lebenszyklus ihrer Geschäftsbeziehungen zu einzelnen, unabhängigen Finanzberatern zu validieren und zu überwachen und sorgt für Vertrauen, Transparenz und Effizienz in Bezug auf geforderte und geschuldete Provisionen.

Die relevanten Daten werden unter den Benutzern von Elixir gern geteilt, um die potenziellen Risiken zu minimieren, die von skrupellosen unabhängigen Finanzberatern ausgehen können. Denn es kann vorkommen, dass unabhängige Finanzberater systematisch mehrere Versicherer gezielt ansprechen, um Provisionsbetrug zu begehen. Das System wiederum schützt Versicherer vor Reputationsrisiken und unterstützt wechselseitig vorteilhafte Beziehungen zu ihren IFA-Partnern.

Big Data Analytics und Scoring

CRIF stellt sowohl Business Analysten als auch Datenmodellierern Scoring-Modelle und Know-how bereit, um Sie von der Entwicklung über das Testen bis hin zur Verwaltung von Prognosemodellen zu unterstützen.
Predictive Analytics ermöglicht Versicherungsunternehmen die Gewinnung von Informationen aus vorhandenen Daten, um Muster zu bestimmen und zukünftige Ergebnisse und Trends vorherzusagen. Insbesondere werden dadurch zuverlässige Prognosen zu potentiell zukünftigen Ereignissen, unter Berücksichtigung von Was-wäre-wenn-Szenarien und Risiken ermöglicht.

Heute werden neue Methoden - darunter maschinelles Lernen, genetische Algorithmen zur Lösung von Problemen und zur Ermittlung von Indikatoren oder evolutionären neuronalen Netzen, die Verfügbarkeit unstrukturierter, sozialer Netzwerke und Verhaltensdaten - eingesetzt, um die Beziehung zwischen Informationen zu optimieren.

Die Anwendung von Knowledge Discovery und Data Mining, durch Nutzung der Link Analysis und Neural Networks ermöglicht die Ermittlung, Analyse und Visualisierung von Datenmustern.

CRIF hat in Forschung und Entwicklung investiert, um fortschrittliche Techniken zur Risikobewertung zu entwerfen und unsere DNA von Analytics zu entwickeln. Letzteres ruft Informationen zum menschlichen Verhalten, zu Lebensstilen und Gewohnheiten ab und berechnet große Mengen strukturierter und unstrukturierter Daten (verfügbar über Social-Media-Plattformen und darüber hinaus), unlautere Verhaltensweisen und Informationsdiskrepanzen, um ein leistungsfähigeres und genaueres Risikoprofil mit Vorhersagekraft zu erstellen.